五度妙笔
企业透视镜
API商城
数据库跨国药企，杀进AI战场
进入8月，
BMS
与薛定谔宣布达成战略合作，将引进后者AI协同科研工具Bunsen，全面部署到自身研发体系中。
这不再是制药圈的小众新闻了。2026年，它进一步刺激着公众的想象。
因为就在7月，BMS刚宣布采购英伟达最新一代
Vera Rubin架构
的超级计算机，号称“生命科学领域由单一企业拥有的最强大、最高效的英伟达基础设施”；5月，BMS又与Anthropic签约，把Claude平台铺进从靶点发现到商业运营的每一个环节。
BMS几乎是以“每月一重磅”的节奏在布局。更值得注意的，BMS并非孤例。
如果拉一张2026年跨国药企的AI动作清单，市场会看到，礼来与英伟达共建10亿美元实验室，罗氏将GPU集群扩展到三千五百颗以上，默沙东砸下十亿美元牵手谷歌云，诺和诺德拥抱OpenAI，赛诺菲扩建AI卓越中心……仿佛所有巨头都在AI制药赛道上全力冲刺。
为什么偏偏是2026年？为什么这些百年药企突然对AI如此饥渴？简言之，制药业正面临一场前所未有的效率危机，而AI被视作那根救命稻草。
TONACEA
投身AI的决心
BMS与AI的缘分大约始于六年前。
2020年11月，BMS首次与
薛定谔
签约，支付5500万美元首付款，外加最高27亿美元的里程碑款，换取对方计算平台的使用权。那时的AI制药尚属“概念期”，多数药企只敢用小额合作试水温。BMS的出手不算最阔绰，但已是当时行业内的标杆交易之一。
六年后的今天，BMS与薛定谔的再度联手，姿态已截然不同。此次合作，
Bunsen
将直接嵌入BMS的研发工作流，成为一线科学家的日常协作伙伴。薛定谔方面表示，BMS科学家将与其合作开发Bunsen的新功能。
但这只是BMS的AI版图的一角。更令行业瞩目的，是7月的消息：BMS采购了英伟达基于全新Vera Rubin架构的DGX SuperPOD超级计算机，包含8套DGX Vera Rubin NVL72系统、576颗GPU。
BMS宣称，这将是“生命科学领域由单一企业拥有的最强大、最高效的英伟达基础设施”。Vera Rubin架构每兆瓦性能较前代产品最高提升十倍。
今年5月，BMS还与
Anthropic
达成企业级合作，将Claude AI平台全面部署至研发、临床、制造、商业全链条。BMS透露，公司将部署Claude的智能体能力，超越对话式AI，连接人员、系统和机构知识。
三个大动作叠加，BMS的AI战略轮廓逐渐清晰：底层是英伟达的超算硬件，中层是Anthropic的通用AI平台，上层是薛定谔等专业计算工具，三层贯通，形成“算力+模型+应用”的完整闭环。
效果已经显现。BMS首席研究官Robert Plenge透露，AI已使研发周期缩短20%至30%，目标未来达到50%。
“预测优先”方法学，即实验前AI先跑通数万次虚拟筛选，覆盖了所有小分子项目和绝大部分大分子项目。Plenge举例说，BMS目前处于早期临床开发阶段的一款镰状细胞病实验性疗法，“如果没有AI辅助研究，很可能根本不会被发现”。
BMS为何如此急迫？财报或许给出隐情。
2025年，BMS总收入481.94亿美元，但核心产品阿哌沙班和纳武利尤单抗的专利将在2026至2028年陆续到期，仿制药冲击将至，公司急需快速填充后续管线。
AI，成了对抗时间的最强武器。
TONACEA
巨头肉搏战
BMS的激进并非特立独行，反倒成为整个行业潮流的缩影。2026年的前八个月，几乎所有头部MNC都亮出AI底牌。
礼来的动作最为宏大。
2026年1月JPM大会上，礼来与英伟达共同宣布投资10亿美元，在旧金山湾区建立AI联合创新实验室。双方计划在未来五年内投入最高10亿美元，用于人才、基础设施与算力建设。
这并非礼来的首次出手。此前，礼来与英伟达已合作建造由超1000颗Blackwell Ultra GPU驱动的超级计算机。2月，礼来进一步推出AI药物研发工厂LillyPod。2024年，礼来曾以1.15亿美元首付款拿下英矽智能一款临床前候选药物的全球许可，总交易额最高达27.5亿美元。
罗氏则走了一条“持续叠加算力”的路线。
3月，罗氏宣布扩大与英伟达的合作，新增2176颗Blackwell GPU，使总数超过3500颗。罗氏旗下基因泰克已有近90%符合条件的小分子项目采用AI技术。
默沙东选择了不同的技术伙伴。
4月，默沙东与谷歌云签署为期多年、价值高达10亿美元的合作协议，在研发、制造、商业及职能部门全面部署智能体平台。谷歌工程师将直接嵌入默沙东团队。这是默沙东历史上最大单笔AI投资。
诺和诺德则牵手了OpenAI。
同样是4月，这家丹麦巨头宣布与OpenAI达成战略合作，将AI导入药物研发、生产及运营各环节。试点项目已在多个部门展开，计划2026年底前完成整合。
赛诺菲的布局更为密集。
5月，赛诺菲宣布向多伦多全球人工智能卓越中心投入2.94亿美元进行扩建；6月，又与AI公司Owkin扩大合作，共同开发应用于药物研发的AI智能体。而早在2022年，赛诺菲就与英矽智能签署了潜在总额12亿美元的战略合作。
据不完全统计，2026年仅仅开局一个月，全球公开的AI制药相关合作与交易已逾十起。这是MNC们对同一共识的确认：AI很大程度决定了未来十年的竞争力。
TONACEA
临床验证之年
当BMS、礼来、罗氏集体转向AI，这背后折射出的，是制药业长达半个世纪的深层焦虑。
传统药物研发遵循“双十定律”：十年时间、十亿美元投入，成功率却不足10%。这种“高投入、长周期、低产出”的模式，在专利悬崖、医保控费和支付方压力下日益难以为继。
制药业比任何时候都更需要缩短周期、降低试错成本。AI恰好指向这个痛点。
公开资料显示，AI可将临床前靶点筛选和化合物优化效率提升2至4倍，降低30%以上的无效实验支出。更关键的是临床转化率：AI驱动分子的I期临床试验成功率在80%—90%之间，远超传统药物52%的历史平均水平。
截至2026年6月中旬，全球AI驱动的新药临床管线从2017年的4个跃升至179个，其中9个已推进至Ⅲ期临床。
2026年被业界称为“临床验证之年”。作为全球首个由AI发现靶点并由生成式AI设计的在研药物，英矽智能的Rentosertib从靶点发现到临床前候选化合物仅用时18个月，成本约260万美元；德睿智药的MDR-001也同期进入Ⅲ期……
但更本质的变化在于研发范式的转移。
相较于传统模式的科学家先做假设，再到湿实验室反复试错，在AI模式中践行的是“预测优先”——实验开始前，AI已在虚拟世界并行运行数百万次模拟。
BMS的“预测优先”、基因泰克的“Lab-in-the-Loop”、礼来的LillyPod，名称各异，本质相同。罗氏首席数字和技术官Wafaa Mamilli表示，本地部署的芯片可让公司在药物研发或生产过程中处理高度敏感信息，并更好地管理工作负载。
此外，AI还打破了研发的数据孤岛。跨国药企内部往往有数十年积累的化合物库、临床数据、真实世界证据，AI现在有能力将其整合、挖掘出隐藏关联。这也是为何MNC更倾向于自建或深度定制AI平台。
当然，从AI设计的分子到最终获批上市，仍需要漫长的临床验证。
在2026年7月的CPIC大会上，深势科技CEO孙伟杰给出冷静的判断：“如果把AI的发展类比蒸汽机带来的工业革命，今天AI制药可能仍处于非常早期的阶段。”
TONACEA
“没有终局”
MNC的集体押注，给全球制药业带来一个新的变量：中国AI制药公司的角色正在悄然变化。
2025年以来，礼来、赛诺菲、BMS等纷纷向中国AI公司开出上亿美元首付款的大单。核心原因在于，中国团队在数据积累、算法迭代和湿实验闭环上的务实能力。
例如，英矽智能不仅拿到礼来的巨额首付款——1.15亿美元首付款获得一款临床前阶段候选药物的全球独家许可，总交易价值最高约27.5亿美元——还启动了自研药物的全球Ⅲ期。此外，英矽智能另与武田制药达成全球战略合作，潜在总金额最高6亿美元；与施维雅达成多年期抗肿瘤药物研发合作，潜在总额8.88亿美元。
MNC看中的，是中国AI公司在特定靶点、特定化学空间上的独特优势。
然而，中国AI制药也面临隐忧。MNC在自建超级计算中心和AI团队的同时，势必减少对外部工具采购的依赖。
BMS的Bunsen部署、礼来的LillyPod、罗氏的混合云工厂，都意味着它们未来可能将更多计算工作内部化。中国AI公司必须从“卖工具”升级为“卖解决方案”甚至“卖管线”，才能维持长期合作。
不过，令人兴奋的或许更多，比如AI尚未触及的“长尾”领域——罕见病、复杂多靶点疾病、个体化治疗。传统药企因回报率低而放弃这些领域，AI的低成本筛选能力，或许能让“不可成药”靶点重新进入视野。
CPIC 2026的主题演讲中，多位专家反复提到“AI制药，没有终局”。因为算法在迭代，数据在积累，临床反馈在反向优化模型，这是一个持续演进的闭环。MNC此刻的疯狂投入，不仅是为了眼前的效率，更是为了在“学习曲线”上不落后于同行。
可以预见，未来三到五年，我们将看到第一批AI全程参与设计的药物获批上市。届时，今天的“军备竞赛”才会真正分出胜负。
无论胜负如何，制药业的底层逻辑已被改写。实验仍然必要，但实验之前，先让AI跑一遍，这已是无法逆转的趋势。
